1.一种序列红外图像处理方法，其特征在于，所述方法包括以下步骤：
步骤1、将序列红外图像中某一像素点的时间‐热辐射信号转化至对数域上并使用最小二乘法的对数域进行多项式拟合；
步骤2、将拟合后的数据再恢复至时间域上并进行快速傅里叶处理，以计算出频率域上的相位信号或幅值信号；
步骤3、对序列图像中每个像素点重复步骤1～2，直至得到完整的相位序列图O或幅值序列图O；
步骤4、再将相位图像或幅值图像O扩展至更加精确的灰度级数得到灰度相位图像O'，以便进行之后的图像增强处理；
步骤5、利用红外缺陷增强算法对上述步骤扩展后得到的相位图像O'进行细节增强，划分图像O'为细节层D与背景层B，针对性地增强图像细节信息后，再将细节与背景融合形成新的相位图像O”；以获得高质量的相位数据，清晰显示缺陷形状及位置，便于缺陷尺寸的定量计算；
步骤6、利用自适应伽马变换将增强后的相位图像O”转化为图像格式E；
步骤7、对所有的序列图像重复步骤5～6以对每个序列图像均进行相应地处理，得到图像增强后的序列图像E1、E2…….EN；
步骤8、针对不同深度的缺陷出现的最佳时刻不在同一张图像上这一问题，利用序列图中缺陷处与无缺陷处信号的差异，对缺陷信息进行汇总处理，从而可以得到一幅可以清晰的显示所有缺陷信息的最终红外图像E'。
2.根据权利要求1所述的序列红外图像处理方法，其特征在于，所述步骤5中的细节增强是按以下步骤进行的：
利用红外缺陷增强算法将相位图像O'划分为细节层D与背景层B，低频的背景层B是具有缺陷边缘信息的平滑图像，高频的细节层D是由增强后的红外相位图像O'与背景层B相减得到，包含原始图像中尺寸较小的缺陷等细节信息；
背景层B和细节层D分别按公式6、7求出，即细节层D和背景层B的划分是按公式6、7进行的：
其中，i和k是像素索引，Bi和Di分别为背景层图像与细节层图像位于i处的像素值，每个中心为k的窗口wk有其自己的线性函数系数ak和bk；
因为像素i会被多个中心位于k的窗口所包含，所以 和 是包含像素i的所有窗口的线性函数系数a,b的平均值，可以通过公式(8)和(9)可求出平均系数 和
式中，ak是当窗口中心位于k时的系数矩阵， 是红外相位图像O'在窗口wk中的平均值，|w|是窗口wk中像素的数量，σk是O'在窗口wk中的标准差；
利用 作为掩模与细节层图像D相乘，并引入一个增强系数λ，进而实现对D的细节增强，增强之后的图像标记为D'，再将D'与背景层B相加得到细节增强处理之后的相位图像O”，增强过程如公式(10)和(11)所示，
O”＝D'+B  (11)
从而将细节层与背景层融合形成新的相位图像O'。
3.根据权利要求1或2所述的序列红外图像处理方法，其特征在于，所述方法还包括以下步骤改进的至少一个：
在所述步骤1的处理中，由于红外相机采集得到的红外热辐射原始数据噪声很大，所以要对原始热数据进行降噪重构，将采集到的每一个像素点的温度‐时间离散点信号用N阶对数多项式拟合成平滑曲线；N阶对数多项式拟合的基本形式如公式(1)所示：
2 N
In(T)＝a0+a1In(t)+a2In(t)+······+aNIn(t)  (1)
其保留了原始热辐射信号的特征，当N较小即进行低阶对数拟合时，可以看做一种低通滤波器来使用，将上式从对数域转化到时间域之后，可以得到公式(2)形式的重构热辐射信号，这里每个像素点在计算机中仅用数组记录下a0,a1,a2…….aN这N+1个系数便能得出冷却时的温度曲线，缩减了计算量，提高计算效率；
采用公式(1)拟合处理后，在大多数情况下得到的重建信号非常适合作为之后序列图像处理的输入数据来使用；
或，
在所述步骤2的处理中，为将重构之后的热辐射信号进行相位分析，即对每一个像素点的热辐射‐时间拟合信号进行快速傅里叶变换，相当于将一个三维矩阵经过傅里叶变换由时域上的热辐射信号转换为频域上的相位信号或幅值信号，相位信号相比较于幅值信号更能凸显出缺陷特征，因为相位信号数据受到环境反射光照、试样表面辐射率变化、试样几何形状不规则、加热不均匀等因素的影响十分小，可以忽略不计，为此推荐采用相位信号进行快速傅里叶处理；相位分析模块使用的快速傅里叶变换表达式如公式(3)所示：
式中，T(k)为第k帧上像素点(x,y)处的温度值，n为频率离散后的序号，j为虚数单位，Rn、In对应于变换后复数的实部和虚部；
再按公式(4)计算频率序号为n处的相位φn
或，
在步骤4的处理中，将上述的步骤3所得到的相位图像通过公式(5)进行灰度级扩展，使得图像精度更高、动态灰度范围更大的灰度相位图像O'；
式中，i,j分别为像素点的横纵坐标，O(i,j)是步骤3所得到的相位图像O于像素点(i,j)处的像素值，Omax和Omin分别是相位图像中最大和最小的数据值；M是将要扩展到的灰度级位数，最终得到扩展后的相位图像O'；
或，
在上述的步骤6的处理中，利用局部自适应伽马变换将相位图像O”量化可以显示在设备上灰度图像，以进一步的增强图像和扩展有效灰度值，把公式(6)求出的背景层B设置为缓和背景，按照公式(12)计算伽马校正中的γ于像素点(i,j)处的值γ(i,j)：
其中，M是本步骤中扩展的灰度级数，再将相位图像O”进行均值‐标准差的归一化处理，归一之后的图像矩阵记为O”'，使其位于0至1之间，处理过程如公式(13)所示：
其中，νmax和νmin分别为：
νmax＝mean_I+3·dev_I
νmin＝mean_I-3·dev_I  (14)
公式(14)中，i,j为像素点的横纵坐标，νmax和νmin分别为归一化计算的上下限，mean_I和dev_I分别是红外相位图像O”的均值和标准差；
最后通过公式(15)将归一化的O”'量化为可以在设备上显示的数据，即：
E(i,j)＝255·O″′(i,j)γ(i,j)  (15)
或，
在上述的步骤8的处理中，由于不同深度的缺陷会存在出现的最佳时刻不在同一张图像上的问题，为了更好地观察缺陷位置，按公式(16)对前T张序列图像进行处理，确定最终的红外图像E'中像素点(i,j)的灰度值大小：
E′(i,j)＝min(E1(i,j),E2(i,j)....Ek(i,j)..,ET(i,j)) k∈(1,T)  (16)对处理后的最终结果进行缺陷判读，根据平面标定结果测量缺陷实际尺寸及位置。
4.一种序列红外图像处理装置，其包括以下模块：
多项式拟合模块，用于将序列红外图像中每个像素点的时间‐热辐射信号转化至对数域上并使用最小二乘法的对数域进行多项式拟合；
快速傅里叶处理模块，用于将拟合后的数据再恢复至时间域上并进行快速傅里叶处理，以计算出频率域上的相位信号或幅值信号；
像素点处理模块，用于对序列图像中每个像素点重复步骤1～2，直至得到完整的相位序列图O或幅值序列图O；
灰度级数扩展模块，用于将相位图像或幅值图像扩展至更加精确灰度级数得到灰度相位图像O'，以便进行之后的图像增强处理；
细节增强模块，用于利用红外缺陷增强算法对上述步骤扩展后得到的相位图像O'进行细节增强，划分图像O'为细节层D与背景层B，针对性地增强图像细节信息，再将细节与背景融合形成新的相位图像O”；以获得高质量的相位数据，清晰显示缺陷形状及位置，便于缺陷尺寸的定量计算；
转化模块，用于利用自适应伽马变换将增强后的相位图像O”转化为图像格式E；
序列图处理模块，用于对所有的序列图像重复步骤5～6以对每个序列图像均进行相应地处理，得到图像增强后的序列图像E1、E2…….EN；
缺陷汇总模块，用于针对不同深度的缺陷出现的最佳时刻不在同一张图像上这一问题，利用序列图中缺陷处与无缺陷处信号的差异，对缺陷信息进行汇总处理，从而可以得到一幅可以清晰的显示所有缺陷信息的最终红外图像E'。
5.根据权利要求4所述的序列红外图像处理装置，其特征在于，
在所述细节增强模块中，利用红外缺陷增强算法将相位图像O'划分为细节层D与背景层B，低频的背景层B是具有缺陷边缘信息的平滑图像，高频的细节层D是由增强后的红外相位图像O'与背景层B相减得到，包含原始图像中尺寸较小的缺陷等细节信息；背景层B和细节层D分别按公式6、7求出，即细节层D和背景层B的划分是按公式6、7进行的：
其中，i和k是像素索引，Bi和Di分别为背景层图像与细节层图像位于i处的像素值，每个中心为k的窗口wk有其自己的线性函数系数ak和bk；
因为像素i会被多个中心位于k的窗口所包含，所以 和 是包含像素i的所有窗口的线性函数系数a,b的平均值，可以通过公式(8)和(9)可求出平均系数 和
式中，ak是当窗口中心位于k时的系数矩阵， 是红外相位图像O'在窗口wk中的平均值，|w|是窗口wk中像素的数量，σk是O'在窗口wk中的标准差；
利用 作为掩模与细节层图像D相乘，并引入一个增强系数λ，进而实现对D的细节增强，增强之后的图像标记为D'，再将D'与背景层B相加得到细节增强处理之后的相位图像O”，O”＝D'+B  (11)
增强过程如公式(10)和(11)所示，从而将细节层与背景层融合形成新的相位图像O'。
6.根据权利要求4或5所述的序列红外图像处理装置，其特征在于，所述装置还包括：
在上述的多项式拟合模块中，由于红外相机采集得到的红外热辐射原始数据噪声很大，所以要对原始热数据进行降噪重构，将采集到的每一个像素点的温度‐时间离散点信号用N阶对数多项式拟合成平滑曲线；N阶对数多项式拟合的基本形式如公式(1)所示：
In(T)＝a0+a1In(t)+a2In2(t)+······+aNInN(t)  (1)
其保留了原始热辐射信号的特征，当N较小即进行低阶对数拟合时，可以看做一种低通滤波器来使用，将上式从对数域转化到时间域之后，可以得到公式(2)形式的重构热辐射信号，这里每个像素点在计算机中仅用数组记录下a0,a1,a2…….aN这N+1个系数便能得出冷却时的温度曲线，缩减了计算量，提高计算效率；
采用公式(1)拟合处理后，在大多数情况下得到的重建信号非常适合作为之后序列图像处理的输入数据来使用；
或，
在上述的快速傅里叶处理模块中，为将重构之后的热辐射信号进行相位分析，即对每一个像素点的热辐射‐时间拟合信号进行快速傅里叶变换，相当于将一个三维矩阵经过傅里叶变换由时域上的热辐射信号转换为频域上的相位信号或幅值信号，相位信号相比较于幅值信号更能凸显出缺陷特征，因为相位信号数据受到环境反射光照、试样表面辐射率变化、试样几何形状不规则、加热不均匀等因素的影响十分小，可以忽略不计，为此推荐采用相位信号进行快速傅里叶处理；相位分析模块使用的快速傅里叶变换表达式如公式(3)所示：
式中，T(k)为第k帧上像素点(x,y)处的温度值，n为频率离散后的序号，j为虚数单位，Rn、In对应于变换后复数的实部和虚部；
再按公式(4)计算频率序号为n处的相位φn
或，
在灰度级数扩展模块中，将像素点处理模块所得到的相位图像通过公式(5)进行灰度级扩展，使得图像精度更高，动态灰度范围更大，式中i,j分别为像素点的横纵坐标，O(i,j)是像素点处理模块所得到的相位图像O于像素点(i,j)处的像素值，Omax和Omin分别是相位图像中最大和最小的数据值；M是将要扩展到的灰度级位数，最终得到扩展后的相位图像O'；
或，
在转化模块中，利用局部自适应伽马变换将相位图像O”量化可以显示在设备上灰度图像，以进一步的增强图像和扩展有效灰度值，把公式(6)求出的背景层B设置为缓和背景，按照公式(12)计算伽马校正中的γ于像素点(i,j)处的值γ(i,j)：
M是本步骤中扩展的灰度级数，再将相位图像O”进行均值‐标准差的归一化处理，归一之后的图像矩阵记为O”'，使其位于0至1之间，处理过程如公式(13)所示：
其中，νmax和νmin分别为：
νmax＝mean_I+3·dev_I
νmin＝mean_I-3·dev_I  (14)
公式(14)中，i,j为像素点的横纵坐标，νmax和νmin分别为归一化计算的上下限，mean_I和dev_I分别是红外相位图像O”的均值和标准差；
最后通过公式(15)将归一化的O”'量化为可以在设备上显示的数据，即：
γ(i,j)
E(i,j)＝255·O″′(i,j)   (15)
或，
在缺陷汇总模块中，由于不同深度的缺陷会存在出现的最佳时刻不在同一张图像上的问题，为了更好地观察缺陷位置，按公式(16)对前T张序列图像进行处理，确定最终的红外图像E'中像素点(i,j)的灰度值大小：
E′(i,j)＝min(E1(i,j),E2(i,j)....Ek(i,j)..,ET(i,j)) k∈(1,T)  (16)对处理后的最终结果进行缺陷判读，根据平面标定结果测量缺陷实际尺寸及位置。
7.一种长脉冲红外无损检测序列图像处理系统，其尤其适用于长脉冲激励的缺陷红外无损检测，该系统包括热加载激励装置、红外热像仪和图像处理系统；其特征在于，所述热加载激励装置为长脉冲热加载激励装置，其被设置于对试样表面进行均匀充分的连续热加载；
红外热成像仪根据检测面积的大小放置于试样表面前方以进行序列采图，将所采集的试样表面温度分布序列图像传输至图像处理系统中；
图像处理系统包括如权利要求4‐6任一项所述的图像处理装置以及支撑该装置运行的硬件和软件。
8.根据权利要求7所述的系统，其特征在于，所述脉冲热加载激励装置为功率800W‐
1500W的卤素灯，其分别放置在红外相机两侧以保证对试样表面的均匀加热。
9.一种长脉冲红外无损检测序列图像处理方法，其特别适用于金属材料及复合材料中深度较大缺陷的检测，其特征在于，所述方法是使用如权利要求7或8所述的红外无损检测系统的。
10.根据权利要求9所述的方法，其特征在于，所述方法具体包括以下步骤：
步骤1：将红外热像仪放置于检测试样正前方，调整焦距确保试样将要检测的试样表面清晰并全部处于红外热像仪视场中心，长脉冲热加载激励装置被配置为对试样表面的均匀加热；
步骤2：打开红外热像仪，待其冷却完成后，在红外热图处理软件中设定好激励时间，采集图像数量和采集频率，打开灯罩上的百叶窗开始对试样表面进行激励；待激励完成后立即关闭百叶窗以防止残余的红外辐射对试样表面温度的影响；红外热图处理软件按照先前设定好的采集数量与频率开始采集试样表面冷却时的红外热图；红外热图处理软件是在上述的序列红外图像处理装置上扩展的，其除了具有序列红外图像处理装置的主要或全部功能外，还包括对于热加载激励装置或红外热像仪的控制，例如开关热加载激励装置或红外热像仪，设置热加载激励装置或红外热像仪的工作方式等；
步骤3：由红外相机采集得到的红外热辐射原始数据噪声很大，所以要对原始热数据进行降噪重构，将采集到的每一个像素点的温度‐时间离散点信号用N阶对数多项式拟合成平滑曲线，大多数情况下得到的重建信号非常适合作为之后序列图像处理的输入数据来使用；N阶对数多项式拟合的基本形式如公式(1)所示：
In(T)＝a0+a1In(t)+a2In2(t)+······+aNInN(t)  (1)
保留了原始热辐射信号的特征，当N较小即进行低阶对数拟合时，可以看做一种低通滤波器来使用，将上式从对数域转化到时间域之后，可以得到公式(2)形式的重构热辐射信号，这里每个像素点在计算机中仅用数组记录下a0,a1,a2…….aN这N+1个系数便能得出冷却时的温度曲线，缩减了计算量，提高计算效率；
步骤4：将重构之后的热辐射信号进行相位分析，即对每一个像素点的热辐射‐时间拟合信号进行快速傅里叶变换，相当于将一个三维矩阵经过傅里叶变换由时域上的热辐射信号转换为频域上的相位信号或幅值信号，相位信号相比较于幅值信号更能凸显出缺陷特征，因为相位信号数据受到环境反射光照、试样表面辐射率变化、试样几何形状不规则、加热不均匀等因素的影响十分小，可以忽略不计，相位分析模块使用的快速傅里叶变换表达式如公式(3)所示：
式中，T(k)为第k帧上像素点(x,y)处的温度值，n为频率离散后的序号，j为虚数单位，Rn、In对应于变换后复数的实部和虚部；再按公式(4)计算频率序号为n处的相位φn；
步骤5：将红外热图中每个像素点对应的热辐射信号重复步骤3～4，得到包含更多缺陷信息的红外相位序列图像O；
步骤6：将步骤5所得到的相位图像通过公式(5)进行灰度级扩展，使得图像精度更高、动态灰度范围更大的灰度相位图像O'，式中i,j分别为像素点的横纵坐标，O(i,j)是步骤5所得到的相位图像O于像素点(i,j)处的像素值，Omax和Omin分别是相位图像中最大和最小的数据值；M是将要扩展到的灰度级位数，最终得到扩展后的相位图像O'；
步骤7：利用红外缺陷增强算法划分相位图像O'为细节层D与背景层B，低频的背景层B是具有缺陷边缘信息的平滑图像，高频的细节层D是由增强后的红外相位图像O'与背景层B相减得到，包含原始图像中尺寸较小的缺陷等细节信息；B和D由下面的表达式求出：
其中，i和k是像素索引，Bi和Di分别为背景层图像与细节层图像位于i处的像素值，每个中心为k的窗口wk有其自己的线性函数系数ak和bk；因为像素i会被多个中心位于k的窗口所包含，所以 和 是包含像素i的所有窗口的线性函数系数a,b的平均值，通过公式(8)和(9)可求出平均系数 和
式中ak是当窗口中心位于k时的系数矩阵， 是红外相位图像O'在窗口wk中的平均值，|w|是窗口wk中像素的数量，σk是O'在窗口wk中的标准差；
利用 作为掩模与细节层图像D相乘，并引入一个增强系数λ，进而实现对D的细节增强，增强之后的图像标记为D'，再将D'与背景层B相加得到细节增强处理之后的相位图像O”，增强过程如公式(10)和(11)所示：
O”＝D'+B(11)
步骤8：再利用局部自适应伽马变换将相位图像O”量化可以显示在设备上灰度图像，进一步的增强图像，扩展有效灰度值，把公式(6)求出的背景层B设置为缓和背景，按照公式(12)计算伽马校正中的γ于像素点(i,j)处的值γ(i,j)：
其中，M是本步骤中扩展的灰度级数，再将相位图像O”进行均值‐标准差的归一化处理，归一之后的图像矩阵记为O”'，使其位于0至1之间，处理过程如公式(13)所示：
其中，νmax和νmin分别为：
νmax＝mean_I+3·dev_I
νmin＝mean_I-3·dev_I  (14)
公式(14)中i,j为像素点的横纵坐标，νmax和νmin分别为归一化计算的上下限，mean_I和dev_I分别是红外相位图像O”的均值和标准差；最后通过公式(15)将归一化的O”'量化为可以在设备上显示的数据：
E(i,j)＝255·O″′(i,j)γ(i,j)  (15)
步骤9：对所有序列相位图像重复步骤7～8，得到图像增强后的序列图像E1、E2…….EN；
步骤10：但不同深度的缺陷出现的最佳时刻不在同一张图像上的问题，为了更好地观察缺陷位置，按公式(16)对前T张序列图像进行处理，确定最终的红外图像E'中像素点(i,j)的灰度值大小E'(i,j)：
E′(i,j)＝min(E1(i,j),E2(i,j)....Ek(i,j)..,ET(i,j)) k∈(1,T)  (16)对处理后的最终结果进行缺陷判读，从而根据平面标定结果测量缺陷实际尺寸及位置。